whisperx api

whisperx apiラッパー

WhisperxライブラリのAPIラッパー

概要

これは、 whisperxコマンドを使用してビデオ/オーディオ転写のエンドポイントを提供するFastAPIアプリケーションです。アプリケーションは、複数のオーディオおよびビデオ形式をサポートしています。アップロードされたメディアファイルの転写、アライメント、およびダイアリゼーションを実行します。

特徴

• JWTによるユーザー認証
• 複数のオーディオおよびビデオ形式のサポート
• ダイアリゼーションのサポート
• カスタマイズ可能な言語とモデル設定

要件

• whisperx
• Python 3.8+
• Fastapi
• ffmpeg
• sqlite
• pyjwt
• dotenv

whisperxを公式リポジトリにインストールする方法の指示に従ってください。 requirements.txtを使用してこれらの依存関係をインストールできます。txtファイル：

pip install -r requirements.txt

環境変数

ルートディレクトリに.envファイルを作成し、次の変数を追加します。

 SECRET_KEY = your_secret_key
MASTER_KEY = your_master_key
HUGGING_FACE_TOKEN = your_hugging_face_token
API_PORT = 11300 

データベースのセットアップ

SQLiteは、ユーザー情報の保存に使用されます。データベースは、アプリケーションの実行時に自動的に作成されます。

アプリケーションの実行

以下を使用してアプリケーションを実行します。

python api_whisperx.py

main.pyでない場合は、Pythonファイルの名前をmainに置き換えます。

APIエンドポイント

投稿/auth

ユーザーを認証し、JWTトークンを返します。

• username ：ユーザーのユーザー名。
• password ：ユーザーのパスワード。

post /create_user

新しいユーザーを作成します。

• username ：目的のユーザー名。
• password ：希望するパスワード。
• master_key ：認定ユーザー作成のマスターキー。

post /whisperx-transcribe/

アップロードされたオーディオまたはビデオファイルを転写します。

• file ：転写するオーディオまたはビデオファイル。
• lang ：Transcriptionの言語（デフォルトは「PT」です）。
• model ：転写に使用するモデル（デフォルトは「大V2」です）。
• min_speakers ：ダイアリゼーションのためのスピーカーの最小数（デフォルトは1）。
• max_speakers ：ダイアリゼーションのためのスピーカーの最大数（デフォルトは2）。

ロギング

アプリケーションには、実行されている手順と発生するエラーについて通知するロギングが組み込まれています。